排序方式: 共有5条查询结果,搜索用时 11 毫秒
1
1.
2.
对于一类具有三角结构的单输入单输出的不确定非线性系统, 用反步法(backstepping)和动态面控制方法(dynamic surface control technique)设计了一种使用神经网络补偿未知非线性的L2--增益鲁棒控制器. 控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式. 合理的选择了L2--增益性能指标, 将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量, 并用Lyapunov定理和HJI不等式证明了使用提出的控制器后, 这些状态变量具有小于等于事先规定的正实数γ的L2--增益. 当系统的扰动信号为零向量时, 提出的控制器在原点是大范围渐近稳定的. 仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性. 相似文献
3.
4.
船舶航向非线性系统鲁棒跟踪控制 总被引:7,自引:2,他引:5
对船舶航向非线性系统, 提出了一种基于神经网络方法的鲁棒跟踪控制器. 系统由船舶运动非线性响应模型和舵机伺服系统串联构成, 其中运动响应模型考虑了建模误差和外界干扰力等非匹配不确定性. 对建模误差和期望舵角的一阶导数项应用在线二层神经网络予以辨识和补偿, 不确定性干扰项处理应用L2增益设计. 采用Lyapunov函数递推法, 得到包括神经网络权值算法在内的跟踪控制器. 跟踪误差和神经网络权值误差的一致终值有界性保证了系统的鲁棒稳定性, 合理的控制器参数选择保证了控制精度. 仿真结果验证了控制器的有效性. 相似文献
5.
1